Mistral: Mistral Small 3.2 24B

O Mistral Small 3.2 24B é um modelo de linguagem ajustado para instruções da Mistral, lançado pela fornecedora em 2025-06-20 sob o id de modelo mistralai/mistral-small-3.2-24b-instruct. É um modelo de 24B parâmetros, e este lançamento 3.2 é uma atualização da versão 3.1, otimizada para seguir instruções, redução de repetição e melhoria no function calling. Está na categoria de texto, e seu corte de conhecimento é 2023-10-31.

O modelo aceita tanto texto quanto imagens como entrada e produz texto como saída, então pode lidar com prompts multimodais que combinam instruções escritas com conteúdo visual. Ele tem uma janela de contexto de 256.000 tokens, o que permite que documentos longos, conversas estendidas ou grandes cargas de imagem e texto sejam processados em uma única requisição. O comprimento máximo de saída é 16.384 tokens. Os parâmetros de requisição suportados incluem temperature, top_p, top_k, min_p, frequency_penalty, presence_penalty, repetition_penalty, max_tokens, stop, seed, logit_bias, logprobs, top_logprobs, response_format, structured_outputs, tools e tool_choice.

Essas capacidades apontam para alguns usos práticos. O contexto longo e a entrada de imagem são adequados para análise de documentos, onde um desenvolvedor envia uma página digitalizada ou captura de tela junto com perguntas sobre seu conteúdo. O function calling aprimorado e o suporte a ferramentas o tornam uma escolha razoável para fluxos de trabalho no estilo agente que precisam chamar funções ou APIs externas. Saídas estruturadas e response_format ajudam quando a aplicação precisa de JSON ou outro formato previsível em vez de texto livre. Seguir instruções e a redução de repetição importam para assistentes de chat, sumarização e tarefas de extração onde uma fraseologia consistente é importante. O parâmetro seed suporta amostragem reproduzível para testes.

Você chama o modelo através da API compatível com OpenAI da api14 usando o id de modelo mistralai/mistral-small-3.2-24b-instruct. Como a interface segue o formato de chat completions da OpenAI, você envia uma requisição com o campo model definido para esse id e um array messages contendo seu conteúdo de texto e imagem. Os parâmetros de requisição listados acima são suportados, então você pode definir controles de amostragem como temperature, top_p, top_k e min_p, aplicar penalidades, limitar a saída com max_tokens, restringir a geração com stop, response_format ou structured_outputs, e anexar tools com tool_choice para function calling. Opções de probabilidade de log (logprobs e top_logprobs) e logit_bias também estão disponíveis.

Dois limites vale a pena notar ao decidir. O corte de conhecimento é 2023-10-31, então perguntas sobre eventos após essa data dependem de informações que você fornece no prompt em vez do conhecimento do próprio modelo. A saída é limitada a 16.384 tokens, o que pode ser apertado para tarefas que precisam de documentos gerados muito longos. Se sua carga de trabalho for apenas texto, ou se você precisar de um modelo com um corte mais recente, outro modelo pode se encaixar melhor.